自适应量子免疫克隆算法及其收敛性分析

分析量子免疫克隆算法的基本原理,在此基础上,设计一种具有自适应学习的改进策略,该算法采用量子观测熵来度量算法的进化程度,并根据熵的变化自适应调整相应参数,从理论上证明该算法的收敛性,并且通过实验,比较世子免疫克隆算法、简单免疫克隆算法、量子进化算法的函数优化效果,仿真实验表明该算法能提高计算效率和搜索能力.     

基于图像帧间信息和FS-KFDA的极光序列图像检测算法

为了解决数据量巨大的极光序列图像难于用人工划分的方法来进行变化监测的问题,提出了一种基于极光序列图像特征和帧间信息的感兴趣极光变化区域(ROI)自动检测算法,用计算机进行辅助分类。首先提取样本图像特征,再利用离散小波变化算法对帧间信息进行特征分析,引入特征标度核Fisher分析算法(FS-KD-FA),结合K-均值聚类选择训练样本,构建分类器实现了变化检测。对北极黄河站采集到的实测极光图像数据进行极光区域划分检测,实验结果表明了算法的有效性。     

流形距离的自动免疫克隆聚类图像分割算法

聚类算法在对图像进行分割的过程中要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法的运行时间. 针对这些问题, 提出了流形距离的自动免疫克隆聚类图像分割算法. 自动免疫克隆聚类算法可以自动确定聚类个数, 不需要人为事先给定, 并且确保全局收敛; 使用流形距离可以反映空间分布复杂的流形数据; 使用超像素而非像素来降低图像分割的时间等问题. 通过对4组人工数据集和4幅自然图像进行实验, 对比k-means算法、GCUK算法, 结果表明该方法优势比较明显, 具有一定的实用性和先进性.     

基于非负矩阵分解的谱聚类集成SAR图像分割

 本文提出了一种新颖的基于非负矩阵分解的谱聚类集成SAR图像分割框架.首先,个体分割结果的产生采用基于Nystrom逼近的谱聚类方法,使用不同的尺度参数,得到具有差异性的个体分割结果;其次,使用非负矩阵分解的方法来合并这些个体分割结果,使用非负矩阵分解方法的优点在于其合乎人类大脑感知的直观体验,并具有明确的物理含义;最后,根据合并得到的像素点隶属度关系得到SAR图像分割结果.为了验证本文方法的有效性,对3幅纹理图像和4幅SAR图像进行分割实验,并对比K-means方法、基于Nystrom逼近的谱聚类方法、Meta-clustering方法,本文的方法无论是定性还是定量分析都是较好的,并具有一定的实用性.     

一种发动机试飞数据快速处理方法

为了提高试飞数据处理分析效率,进行了发动机数据处理方法研究。通过分析试飞科目数据处理逻辑,分解数据处理所需提取的参数和处理算法,完成了炽热部位温度测量、空中起动、性能特性的数据统计和计算。并对结合测试遥测和机上数据实时处理,即时获取数据处理结果的方案进行了讨论。提出的方法将数据处理的判定逻辑显性化,使其便于通过计算机完成,缩短了数据处理时间,也为数据深度挖掘提供了素材。     

基于克隆选择和多重空间构造的彩色图像分割

该文提出一种基于克隆选择和多重空间构造的彩色图像分割方法。该方法首先将一些常见的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析技术(PCA)分别对其进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后利用克隆选择算法对样本进行自学习,得到全局最优的聚类中心;最后用得到的聚类中心对图像进行分割。由于该文的方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重空间,能够快速准确地得到分割结果,克服了传统分割方法使用固定颜色空间以及容易陷入局部最优的缺点。通过实验表明,该方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。